Дообученная диалоговая модель Mistral на 7,1 млрд параметров для генерации текстовых ответов, обученная DPO на наборе токсичных диалоговых предпочтений.

Подходит для: генерация ответов в англоязычном чат-боте · эксперименты с DPO и предпочтениями ответов · изучение влияния токсичных данных на поведение чат-модели